İki PDF sənədini müqayisə et

Sənəd auditində əsas səhv yalnız mətn müqayisəsinə və ya yalnız vizual müqayisəyə arxalanmaqdır. Hər yanaşmanın özünəməxsus güclü tərəfləri və kritik məhdudiyyətləri var:

1. Mətn müqayisəsi: PDF-i səhifə həndəsəsini nəzərə almadan strukturlaşdırılmış simvol və söz axınlarına ayırır. Dəqiq dil dəyişikliklərini müəyyən edir — məsələn, məsuliyyət istisnasının əlavə edilməsi, tarixin 'July 15'-dən 'August 15'-ə dəyişdirilməsi və ya kompensasiya cümləsinin silinməsi. Lakin mətn fərqi vizual dəyişikliklərə tamamilə kordur: memarlıq sütununun yerini dəyişib-dəyişmədiyini, loqonun əvəz edilib-edilmədiyini və ya xırda şriftli imtina mətninin oxunmaz 4pt şrift ölçüsünə endirilib-endirilmədiyini aşkar edə bilmir.

2. Vizual müqayisə: Kalibrlənmiş ayırdetmələrdə render edilmiş piksel şəbəkələrini müqayisə edir. Sürüşmüş abzasları, dəyişdirilmiş rəsmləri və şrift əvəzləmələrini dərhal vurğulayır, lakin 100 səhifəlik razılaşma üzrə tərtib edilmiş söz dəyişikliklərinin qısa, ixrac edilə bilən xülasəsini verə bilmir.

Alətimiz hər iki mühərriki vahid iş sahəsində birləşdirərək peşəkarlara hər dil və vizual düzəliş üzərində tam görünürlük verir.

Dəqiq mətn müqayisəsi aparmaq üçün mühərrik məntiqi oxu sırasını bərpa edərkən PDF səhifə məzmun axınlarından (/Contents) xam mətn məzmununu çıxarmalıdır. PDF faylları mətni davamlı cümlələrdə saxlamadığı üçün — əvəzində koordinat matrisləri (Tm, Td, Tj) vasitəsilə yerləşdirilmiş müstəqil tipoqrafik tokenlər saxladığı üçün — sadəlövh mətn çıxarılması tez-tez qarışıq sözlərə və pozulmuş sətir keçidlərinə səbəb olur.

Kliyent tərəfli mühərrikimiz təcrid olunmuş Web Worker daxilində Mozilla-nın pdf.js mətn axını tokenləşdiricisindən istifadə edir. O, ayrı-ayrı mətn elementlərini sərhəd qutuları ilə birlikdə çıxarır, insan tərəfindən oxunan abzas axınını qorumaq üçün onları həndəsi olaraq sıralayır, defislə bölünmüş sözləri birləşdirir və sənədi dil vahidlərinin (cümlələr və sözlər) strukturlaşdırılmış massivinə tokenləşdirir.

Bu təmiz tokenləşdirmə sonrakı diff alqoritmlərinin qeyri-sabit tərtibat tokenlərini deyil, mahiyyətli dil məzmununu müqayisə etməsini təmin edir.

Mətn tokenləri A və B sənədlərindən çıxarıldıqdan sonra mühərrikimiz kliyent tərəfli WebAssembly-də Myers diff alqoritmini (və ya Ən Uzun Ümumi Alt Ardıcıllıq alqoritminin optimallaşdırılmış variantını) icra edir.

Alqoritm müqayisəni əlavələri, silinmələri və ümumi seqmentləri təmsil edən istiqamətli qrafda ən qısa redaktə skriptinin (SES) tapılması kimi modelləşdirir. Nəticə üç fərqli vəziyyətə bölünür:

- Əlavələr: B versiyasında olan, lakin A versiyasında olmayan sözlər və ya bəndlər (parlaq yaşılla vurğulanır).

- Silinmələr: A versiyasında olan və B versiyasında çıxarılmış sözlər və ya bəndlər (üstüxətli qırmızı ilə vurğulanır).

- Dəyişikliklər: mövcud bənd daxilində konkret sözlərin dəyişdirildiyi yerində əvəzləmələr.

Mühərrik qonşu söz redaktələrini ardıcıl semantik bloklara qruplaşdıraraq Workshare Compare və ya Litera Change-Pro kimi peşəkar hüquqi müqayisə proqramları ilə eyni strukturlaşdırılmış redline xülasəsi yaradır.

Mürəkkəb çoxsəhifəli müqavilələri nəzərdən keçirmək rəvan, sinxron naviqasiya tələb edir. İstifadəçi interfeysimiz kilidli sürüşdürmə ilə əlaqələndirilmiş ikipanelli görünüş sahələrinə malikdir. A sənədini sürüşdürdükdə B sənədi mükəmməl sinxronlaşdırılmış şəkildə sürüşür və uyğun bölmələri düz saxlayır.

Düzəliş bütöv səhifələr əlavə edib və ya silibsə — səhifə nömrələrinin sürüşməsinə səbəb olaraq (məsələn, 4-cü bölmə A versiyasında 12-ci səhifədə görünür, lakin əlavə edilmiş cədvəl səbəbindən B versiyasında 14-cü səhifəyə keçir) — interfeysimiz istifadəçilərə səhifə kilidini ayırmağa, uyğun səhifələri yenidən düzləndirməyə və müqayisəni yeni sürüşmədə yenidən kilidləməyə imkan verir. Nəzərdən keçirənlər yan-yana və birləşdirilmiş görünüşlər arasında rahatca böyüdə, sürüşdürə və keçid edə bilər.

Sənəd müqayisəsi demək olar ki, yalnız təşkilatın sahib olduğu ən həssas fayllar üzərində aparılır: birləşmə razılaşması layihələri, məxfi məhkəmə barışıqları, əqli mülkiyyət lisenziya şərtləri və buraxılışdan əvvəlki maliyyə auditləri. Bu faylları bulud əsaslı PDF müqayisə portallarına göndərmək ciddi korporativ uyğunluq riskləri yaradır və GDPR, HIPAA və vəkillər kollegiyasının məxfilik standartlarına görə hüquqi imtiyazdan imtina deməkdir.

2run.tools mütləq sıfır bulud arxitekturası ilə işləyir. Hər iki sənəd versiyası yerli brauzer RAM-ına yüklənir, tokenləşdirilir, müqayisə edilir və tamamilə kompüterinizin yerli prosessorunda render edilir. Heç bir mətn fraqmenti, fayl baytı və ya müqayisə jurnalı heç vaxt internet üzərindən ötürülmür və bu, həssas korporativ əməliyyatlar üçün tam təcrid olunmuş təhlükəsizlik təmin edir.

Hüquqi müqavilə danışıqlarında sözlər bir az fərqli ifadə edildikdə sadə simvol-simvol diff alqoritmi xaotik, oxunmaz nəticə verir. Məsələn, 'The Buyer shall pay within 30 days' ifadəsini 'The Purchaser must remit payment within 30 calendar days' ilə əvəz etmək semantik təhlil edilmədikdə parçalanmış simvol vurğulamalarının qarışıqlığını yaradardı.

Mətn müqayisə mühərrikimiz semantik bənd seqmentasiyasını özündə birləşdirir. O, sözləri sintaktik bəndlərə və cümlələrə qruplaşdırır və əvəzləmələri ifadə səviyyəsində qiymətləndirir. Bənd dəyişdirildikdə mühərrik bütün əvəz edilmiş ifadəni aydın şəkildə ayırır, orijinal bəndi üstüxətli qırmızı, təklif edilən düzəlişi isə altıxətli yaşıl ilə göstərir.

Bundan əlavə, mühərrik struktur nömrələmə iyerarxiyalarını (məsələn, Bölmə 4.2(a)(ii)) tanıyır, bütöv alt bəndlərin sənəd razılaşması daxilində yenidən nömrələndiyi və ya yerinin dəyişdirildiyi halları dəqiq izləyir və vəkillərə saatlarla əl ilə çarpaz istinad işinə qənaət etdirir.

Ciddi uyğunluq çərçivələri ilə tənzimlənən sənayelərdə — məsələn FDA (əczaçılıq təqdimatları üçün 21 CFR Part 11), SEC (maliyyə açıqlamaları üçün) və beynəlxalq ISO keyfiyyət idarəetməsi protokolları — təşkilatlar sənəd iterasiyaları arasındakı hər dəyişikliyin nəzərdən keçirildiyini və təsdiqləndiyini sübut etməlidir.

Alətimiz vaxt möhürləri, simvol dəyişikliyi sayları, təsirlənən bənd bölməsi istinadları və tam redline snapşotları ehtiva edən yoxlanıla bilən müqayisə jurnalları yaradır. Bu hesabat birbaşa tənzimləyici dosyelərə və ya daxili uyğunluq jurnallarına əlavə edilə bilər və xarici bulud çevirmə xidmətlərinə arxalanmadan sənəd mənşəyinin təkzibedilməz audit izini yaradır.